Anpassa ett beslutsträd
Nu ska du prova på att bygga en beslutsträdsmodell. Ett beslutsträd är en uppsättning maskininlärda om-annars-regler som i telekomfallet avgör om en kund kommer att lämna eller inte. Här är ett exempel på ett beslutsträdsdiagram byggt på det välkända Titanic-datasetet för överlevnad.
train_X, test_X, train_Y och test_Y från föregående övning har laddats in åt dig. Modulen tree och funktionen accuracy_score har också laddats in från biblioteket sklearn. Nu ska du bygga din modell och utvärdera dess prestanda på osedd data.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Initialisera beslutsträdsmodellen med
max_depthsatt till 5. - Anpassa modellen på träningsdata – ange först
train_X, sedantrain_Y. - Förutsäg värden för testdata, i det här fallet
test_X. - Mät modellens prestanda på testdata genom att jämföra de faktiska testetiketterna med de förutsagda.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Initialize the model with max_depth set at 5
mytree = tree.___(max_depth = ___)
# Fit the model on the training data
treemodel = mytree.___(___, ___)
# Predict values on the testing data
pred_Y = treemodel.___(___)
# Measure model performance on testing data
accuracy_score(___, ___)